9.11和9.9谁更大？

前年，这说念小学生难度的数学题难倒了一众海表里AI大模子。其时第一财经记者测试了12个大模子，其中阿里通义千问、百度文心一言、Minimax和腾讯元宝答对了，但ChatGPT-4o、豆包、kimi齐错了，错法各有不同。

当天，当第一财经记者发问阿里巴巴最新公测的千问APP：“数字9.9和9.11谁大？”时，此次千问却答错了，称：“9.11更大”。

有好奇的是，在随后的问题拆解中，千问称这是一个常见的念念维罗网，又经过分析后给出了9.9大于9.11的论断。

紧接着记者发问：“既然在拆解中得出论断9.9大于9.11，为什么要在回答中说9.11更大？”千问回答称：“并吞个问题，前后谜底却矛盾，这如实会让东说念主对信息的可靠性产生怀疑。但这并非专诚误导，而是在处理这个问题时出现了阶段性的过错。”

随后，千问对我方的“翻车”流程进行溯源，并进行了“自我纠错”。它称我方在初度回答中固然拆解了少许比拟原则，9.9 的十分位是 9，9.11 的十分位是 1，但最终论断误写为“9.11 更大”，这属于论断与推理流程不匹配的笔误。此外还有贯通偏差的扰乱，“9.11” 的三位数体式可能激发潜意志的数字长度错觉，导致最终论断被误导。

随跋文者再次发问千问“数字9.9和9.11谁大？”，此次千问展示了AI模子的自我完善智商，回答“9.9更大”。 

在大模子领域，“9.11和9.9哪个大”是全部经典算术问题。它最运行被艾伦考虑机构(Allen Institute)成员林禹臣发现，他在X平台上发布的截图披露，ChatGPT-4o在回答中以为13.11比13.8更大。“一方面AI越来越擅长作念数学奥赛题，但另一方面学问依旧很难。”他暗示。

随后Scale AI的提醒工程师莱利·古德赛德（Riley Goodside）基于此灵感变换了问法，拷问了可能是其时最强的大模子ChatGPT-4o、谷歌Gemini Advanced以及Claude 3.5 Sonnet——9.11和9.9哪个更大？多家主流大模子通通答错，此话题得胜传播开来。

此前有AI时候从业东说念主士对第一财经记者暗示，大模子内容上照旧一个谈话模子，它从谈话数据中学习的是统计联系性，而这使它不擅长作念法例学习，从而不擅长归纳推理。

尽管在学问性问题上出现不实，但在时候积存、生态布局和大众拓展方面，包括阿里巴巴的Qwen模子等在内的中国大模子已具备拦阻冷漠的大众竞争力。限度当今，Qwen系列模子的大众下载量已糟蹋6亿次。

不久前，爱彼迎CEO Brian Chesky曾表态称公司照旧很猛进度上依赖阿里巴巴的Qwen模子，它卓著好，速率也很快，况兼很低廉，"咱们也会用OpenAI的最新模子，但在践诺分娩中时常不会盛大使用，因为有更快、更经济的模子可供经受"。

当天阿里巴巴崇敬晓谕“千问”样式，并全力进军AI to C市集，该公司矜重营将舆图、外卖、订票、办公、学习、购物、健康等各类糊口场景接入千问APP。基于开源模子Qwen3，阿里责罚层将“千问”样式视为“AI期间的改日之战”，这意味着阿里巴巴正借力Qwen模子国外影响力，与ChatGPT平直展建国外竞争。

 

举报 第一财经告白妥洽，请点击这里此内容为第一财经原创，著述权归第一财经所有这个词。未经第一财经籍面授权，不得以任何格式加以使用，包括转载、摘编、复制或诞生镜像。第一财经保留风雅侵权者法律职守的权益。如需赢得授权请计议第一财经版权部：banquan@yicai.com 文章作家

刘佳

联系阅读 华尔街到陆家嘴精选丨科技巨头竞逐机器东说念主软件平台；金价刷新历史新高 白银年内涨幅高达62%；小摩看好2026年零卖业

67 09-30 08:27 AI进化速递丨盘古团队回话开源代码争议

①盘古团队最新声明：严格遵从开源条目；②新AI模子助力更准确展望心源性暴毙风险；③山东首个讲明场景大模子平台崇敬发布。

152 07-05 20:41 浙江研发大众首个胃癌影像筛查AI模子

两边晓谕依托该项AI时候，来源在浙江、安徽等地开展大规模东说念主群胃癌筛查。

29 06-26 11:48 达索系统CEO：缠绵将AI模子考试本钱裁减至千万好意思元

DeepSeek和Mistral AI有同样之处，齐经受了较高性价比的大模子开导旅途，为东说念主工智能的提高作出了进攻孝顺。

94 02-27 12:32 当破钞遇上AI | 大家会诊一年，大模子仅用几分钟！AI大夫看病是炒作吗

在生成式AI大模子兴起后，AI大夫的智商被夸大了开yun体育网，仿佛什么病齐会看了；还有不少患者平直拿着DeepSeek的会诊效果来向大夫商讨。

1032 02-25 17:02 一财最热 点击关闭